diabetic retinopathy
PulseAugur coverage of diabetic retinopathy — every cluster mentioning diabetic retinopathy across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
深度学习模型在分析视网膜图像方面展现出潜力
研究人员探索了使用深度学习模型，包括卷积神经网络、视觉Transformer和基础模型，来分析超广角（UWF）视网膜图像。该研究侧重于三个任务：评估UWF图像质量、识别可转诊的糖尿病视网膜病变（RDR）和检测糖尿病黄斑水肿（DME）。通过利用UWF4DR挑战数据集，研究团队在空间域和频率域对各种架构进行了基准测试，并结合了特征级融合以增强鲁棒性，同时使用Grad-CAM进行模型可解释性分析。
-
New framework analyzes retinal vessel geometry for disease detection
Researchers have developed a new framework called BTECF to analyze retinal vessel geometry for disease detection. This framework abstracts vascular networks into Bézier segments, allowing for explicit manipulation of an…
-
AI模型提供可解释的糖尿病视网膜病变分级，并附带视觉和文本解释
研究人员开发了一种新的糖尿病视网膜病变（DR）分级方法，该方法将深度学习模型与可解释的解释相结合。该方法使用卷积神经网络（CNN）和Transformer架构，通过加权软投票集成实现了高达0.934的QWK分数。为了实现可解释性，该研究使用Grad-CAM++生成了视觉归因图，并使用视觉语言模型生成了文本解释，旨在从视网膜图像中提供具有临床意义的见解。